简介:日前,我们对65个师团单位和200多个基层舰(连)“两防”工作进行了调查了解,发现当前“两防”工作有几种偏向:个别单位领导忧患意识不强,缺乏应有的政治敏锐性和责任感,存在“消极保平安”的偏向;少数单位工作漂浮,缺乏紧贴实际抓工作的狠劲和韧劲,存在“雨过地皮湿”的偏向;“两个经常”乏力,制度、措施落实不到位,存在“重有形轻实效”的偏向;党委和支部战斗堡垒作用不够强,“两防”工作整体效益不明显,存在“综而不合、合而不力”的偏向;激励机制不健全,奖罚不够分明,存在“功过不分”的偏向。针对以上偏向,“两防”工作应注意在以下几个方面下功夫。(一)认清形势,着眼大局,积极形成抓“两防”工作的整体合力。“两防”工作是关系部队内部纯洁巩固和战斗力提高,关系“打得赢”、“不变质”的重大问题。当前国际国内形势错综复杂,军事斗争准备日益紧迫,隐蔽斗争形势异常严峻。随着国家、军队改革的不断深化,社会竞争日趋激烈,“四个多样化”的冲击等影响部队“两防”工作的不利因素增多。对此,各级领导要始终保持清醒头脑,越是在形势相对较好的情况下越要看到“两防”工作存在的不足,居...
简介:为提高无人车行驶过程中前方车辆检测的准确性和实时性,提出了基于激光雷达(LIghtDetectionAndRanging,LIDAR)深度信息和视觉方向梯度直方图(HistogramsofOrientedGradients,HOG)特征的车辆识别和跟踪方法。目标首次进入视野时,聚类处理激光雷达深度信息并确定假设目标的候选区域,采用车辆尾部的HOG特征对假设目标进行验证。在HOG特征验证前,基于最小二乘支持向量机(LeastSquaresSupportVectorMachine,LS-SVM)算法对样本集HOG特征进行训练学习,生成车辆分类器模型。对于验证后的目标车辆,采用激光雷达获取的深度信息对目标车辆进行持续跟踪。构建了2种车辆模型,结合最小二乘直线拟合方法提取出车辆特征,生成目标模型。同时,提出了基于多特征马氏距离的目标关联代价方程,实现了多目标的关联;完成了基于卡尔曼滤波的车辆状态滤波和位置估计,更新了跟踪器模型。通过有效的管理策略,实现了目标跟踪的3个状态:1)初始化模型的生成;2)跟踪过程中跟踪器的更新与预测;3)目标驶离视野时跟踪器的删除。最后,通过试验验证了跟踪算法的有效性。
简介:针对传统军事命名实体识别方法存在人工构建特征复杂和军事文本分词不准确等问题,提出了一种基于深度学习的军事命名实体识别方法。结合双向长短时记忆(Bi-directionalLongShort-TermMemory,Bi-LSTM)神经网络对较长句子上下文的记忆能力、字向量(characterembedding)对汉字语义的表示能力和条件随机场(ConditionalRandomField,CRF)对标注规则的学习能力,构建了character+Bi-LSTM+CRF实体识别模型。为验证方法的有效性,在军事想定语料集上进行了实验,结果表明:该方法比传统方法识别效果好,识别准确率、召回率和F值均大幅提升。